Grok TTS: озвучка текста по API
Grok TTS — озвучка текста от xAI: 28 готовых голосов, и каждый говорит на любом из 20 языков, включая русский. Интонацию задают теги прямо в тексте — смех, паузы, шёпот, даже пение. По нашему API это адрес /v1/audio/speech в формате OpenAI, в ответ приходит готовый звуковой файл. Цена — 1,68 ₽ за 1000 знаков.
- 1,68 ₽ за 1000 знаков
- до 4 096 знаков
- текст → звук
x-ai/grok-tts
Обновлено:
Получить ключ Попробовать Документация
Попробовать Grok TTS
Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Текст для озвучки: «[laugh] Ну что, проверим голос? <whisper>Это говорит нейросеть.</whisper> Звучит живо?»
Голос: eve
В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.
Цены Grok TTS в рублях
| Текст — считаем по знакам | 1,68 ₽ за 1000 знаков |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Аудиоверсия статьи или главы книги: глава на 20 000 знаков | Около 33,60 ₽ |
|---|---|
| Голосовое меню и ответы поддержки: меню из десяти фраз на 1 500 знаков | Около 2,52 ₽ |
| Рекламный ролик и анонс: ролик на 600 знаков | Около 1,01 ₽ |
| Озвучка уроков и курсов: урок на 8 000 знаков | Около 13,44 ₽ |
Что умеет Grok TTS
- 28 голосов, и любой говорит на любом из 20 языков: русский, английский, немецкий, французский, турецкий, японский и другие (документация xAI). Голос по умолчанию —
eve. - Теги прямо в тексте: в нужной точке —
[pause],[laugh],[sigh]и другие, вокруг фразы —<whisper>…</whisper>,<slow>…</slow>,<loud>…</loud>. - Скорость речи — параметр
speedот 0,7 до 1,5, обычная — 1,0. - До 4 096 знаков за один запрос.
- Ответ — готовый файл MP3, WAV или PCM, без потоковой передачи по кускам.
Где применять
Аудиоверсия статьи или главы книги
Для длинного чтения у xAI есть голоса с пометкой «рассказ» и «аудиокниги»: orion — насыщенный, «кинематографичный», lux — спокойный и основательный. Режь текст по абзацам: по документации xAI, переносы абзацев дают естественные паузы и помогают держать ровное качество на длинном тексте. Главу собирай из нескольких запросов по 4 096 знаков и склеивай файлы в одну дорожку. Один голос на всю книгу и одинаковый speed во всех кусках — тогда слушатель не заметит швов между запросами.
Пример запроса: «Глава первая. [pause] Утро в посёлке начиналось с запаха хлеба и скрипа калитки» — голос orion.
Стоимость: глава на 20 000 знаков — около 33,60 ₽.
Голосовое меню и ответы поддержки
Для телефонного меню и коротких ответов бота подходят голоса, которые xAI отмечает для поддержки: celeste — сочувственный и успокаивающий, aurora — ровный, iris — дружелюбный. Пиши так, как говорят по телефону: короткие фразы, номер кнопки в конце, паузы через [pause]. WAV проще перекодировать под телефонию, а MP3 сразу подходит для бота или сайта. Меню обычно перезаписывают редко, так что озвучка разовая, а поменять одну фразу можно отдельным запросом, не трогая остальные.
Пример запроса: «Служба доставки, добрый день! [pause] Статус заказа — кнопка один. Оператор — кнопка ноль» — голос celeste.
Стоимость: меню из десяти фраз на 1 500 знаков — около 2,52 ₽.
Рекламный ролик и анонс
У xAI есть голоса с пометкой «реклама»: altair — элегантный, zenith — собранный и напористый, perseus — уверенный. Нарастание к призыву делает тег <build-intensity>…</build-intensity>, ударение на слове — <emphasis>…</emphasis>. Сделай два-три варианта разными голосами и сравни на слух: короткий ролик стоит недорого, а разница в восприятии бывает заметной. Покажи варианты паре людей из целевой аудитории — со стороны слышно, какой голос продаёт, а какой просто читает текст.
Пример запроса: «Новый сезон — новые маршруты. <build-intensity>Бронируй до пятницы и лети дешевле!</build-intensity>» — голос zenith.
Стоимость: ролик на 600 знаков — около 1,01 ₽.
Озвучка уроков и курсов
Для обучения xAI отмечает голоса luna — мягкий и терпеливый, cosmo — живой и понятный, lumen — тёплый и внятный. Термины и формулы оборачивай в <slow>…</slow>, а speed около 0,9 даст слушателю время записать. Вопрос к ученику с [pause] после него оставит паузу на раздумье, чтобы урок звучал как разговор, а не лекция по бумажке. Для длинного курса заведи список терминов с их произношением и проверяй первый урок целиком на слух.
Пример запроса: «Запомни правило: <slow>жи и ши пиши с буквой и</slow>. [pause] А теперь вопрос: как пишется слово „шина“?» — голос luna.
Стоимость: урок на 8 000 знаков — около 13,44 ₽.
Как писать запрос
Советы из документации xAI:
- ставь теги в точке, где звук был бы в живой речи, и опирайся на знаки препинания: «Правда? [laugh] Вот это новость!» звучит естественнее, чем несколько тегов подряд;
- оборачивай тегами целые фразы, а не отдельные слова; теги можно вкладывать:
<slow><soft>Спокойной ночи.</soft></slow>; - запятые, точки и вопросительные знаки задают темп, а «!» и «?» меняют подачу;
- делай абзацы: пустая строка между ними — естественная пауза.
Характеристики
| Разработчик | xAI (Grok) |
|---|---|
| Вид | Озвучка текста |
| Голоса | Eve, Altair, Ara, Atlas, Aurora, Carina и ещё 6 |
| Языки | en |
| Текст за запрос | до 4 096 знаков |
| Форматы звука | mp3, wav, pcm |
| Как читать | поле instructions: тон, темп, настроение |
| id для запроса | x-ai/grok-tts |
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/speech с полем model: x-ai/grok-tts, ключ — в заголовке Authorization: Bearer sk-vsl-….
curl
curl https://veselo.ai/v1/audio/speech \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{
"model": "x-ai/grok-tts",
"voice": "eve",
"input": "Добрый вечер! Сегодня в программе — хорошие новости."
}' \
--output speech.mp3Python
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)
with client.audio.speech.with_streaming_response.create(
model="x-ai/grok-tts",
voice="eve",
input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
r.stream_to_file("speech.mp3")JavaScript
import fs from 'node:fs';
const res = await fetch('https://veselo.ai/v1/audio/speech', {
method: 'POST',
headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
body: JSON.stringify({ model: 'x-ai/grok-tts', voice: 'eve', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));Пример ответа — только поля
HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …
<звук MP3>В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Grok TTS — эта модель | 1,68 ₽ / 1000 знаков | до 4 096 знаков | живая озвучка со смехом, паузами и шёпотом по тегам в тексте, на русском и ещё 19 языках |
| Grok STT — xAI (Grok) | 0,19 ₽ / мин | до 2 ч звука | расшифровка встреч, звонков и голосовых на русском и ещё 37 языках со временем слов |
| OpenAI TTS-1 — OpenAI | 1,68 ₽ / 1000 знаков | до 4 096 знаков | короткие подсказки и уведомления, где скорость ответа важнее тембра |
| Fish Audio S2.1 Pro — Fish Audio | 3,36 ₽ / 1000 букв кириллицы | до 4 096 знаков | живая озвучка роликов и уроков с эмоциями, описанными своими словами |
| Soniox TTS v2 — Soniox | 1,58 ₽ / 1000 знаков | до 4 096 знаков | один голос на многих языках и эмоции метками в тексте, русский есть |
| Orpheus 3B — Canopy Labs | 1,68 ₽ / 1000 знаков | до 4 096 знаков | английские реплики с живыми звуками — смех, вздох, кашель — метками в тексте |
- OpenAI TTS-1 — если теги эмоций не нужны, а нужен широкий диапазон скорости речи.
- Fish Audio S2.1 Pro — если нужно больше языков и эмоции, описанные своими словами в квадратных скобках.
- Soniox TTS v2 — если нужен большой выбор голосов: у Soniox их 200, и все говорят на всех языках модели.
Как устроен доступ
Весело — не разработчик Grok TTS: модель выпускает xAI (Grok). Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Какой голос Grok TTS взять для русского текста?
- Любой: по документации xAI каждый из 28 голосов говорит на всех поддерживаемых языках, включая русский. Выбирай по задаче — для книг
orion, для поддержкиceleste, для рекламыzenith. Уrigelиnaksh, по описанию xAI, есть акцент — австралийский и индийский, их послушай заранее. - Как добавить смех, паузу или шёпот?
- Тегами прямо в тексте. Звуки в точке:
[pause],[long-pause],[laugh],[chuckle],[giggle],[cry],[sigh],[breath],[inhale],[exhale],[tsk]. Подача фразы:<whisper>,<soft>,<loud>,<slow>,<fast>,<higher-pitch>,<lower-pitch>,<emphasis>,<singing>. Полный список — в документации xAI. - Сколько текста можно озвучить за один запрос?
- До 4 096 знаков. Длинный текст отправляй частями по абзацам и склеивай файлы: так и паузы между абзацами сохраняются, и при ошибке переделывать придётся только один кусок.
- В каком виде приходит звук?
- Целым файлом в ответе на запрос: MP3, WAV или PCM — формат задаёт
response_format. MP3 подходит почти везде, WAV — для монтажа и телефонии. PCM — сырой звук без заголовка: браузер его не проиграет, он нужен для своих звуковых программ. - Что будет, если запрос закончится ошибкой?
- Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
- Есть ли подписка или абонентская плата?
- Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.x.ai